Викия

Математика

Распределение вероятностей

1457статей на
этой вики
Добавить новую страницу
Обсуждение0 Поделиться

Обнаружено использование расширения AdBlock.


Викия — это свободный ресурс, который существует и развивается за счёт рекламы. Для блокирующих рекламу пользователей мы предоставляем модифицированную версию сайта.

Викия не будет доступна для последующих модификаций. Если вы желаете продолжать работать со страницей, то, пожалуйста, отключите расширение для блокировки рекламы.

Распределение вероятностей — это закон, описывающий область значений случайной величины и вероятности их принятия.

ОпределениеПравить

Определение 1. Пусть задано вероятностное пространство (\Omega, \mathcal{F}, \mathbb{P}), и на нём определена случайная величина X:\Omega \to \mathbb{R}. В частности, по определению, X является измеримым отображением измеримого пространства (\Omega, \mathcal{F}) в измеримое пространство (\mathbb{R},\mathcal{B}(\mathbb{R})), где \mathcal{B}(\mathbb{R}) обозначает борелевскую сигма-алгебру на \mathbb{R}. Тогда случайная величина X индуцирует вероятностную меру \mathbb{P}^X на \mathbb{R} следующим образом:

\mathbb{P}^X(B) = \mathbb{P}(X \in B),\; \forall B\in \mathcal{B}(\mathbb{R}).

Мера \mathbb{P}^X называется распределением случайной величины X.

Способы задания распределенийПравить

Определение 2. Функция F_X(x) = \mathbb{P}^X((-\infty,x]) = \mathbb{P}(X \leq x) называется (кумулятивной) функцией распределения случайной величины X. Из свойств вероятности вытекает

Теорема 1. Функция распределения F_X(x) любой случайной величины удовлетворяет следующим трем свойствам:

  1. F_X - функция неубывающая;
  2. \lim_{x\to -\infty} F_X(x) = 0,\; \lim_{x\to \infty}F_X(x) = 1;
  3. F_X непрерывна справа.

Из того факта, что борелевская сигма-алгебра на вещественной прямой порождается семейством интервалов вида \{(-\infty,x]\}_{x\in \mathbb{R}}, вытекает

Теорема 2. Любая функция F(x), удовлетворяющая трём свойствам, перечисленным выше, является фукцией распределения для какого-то распределения \mathbb{P}^X.

Для вероятностных распределений, обладающих определенными свойствами, существуют более удобные способы задания его задания.

Дискретные распределенияПравить

Определение 2. Случайная величина называется простой или дискретной, если она принимает не более, чем счётное число значений. То есть X(\omega) = a_i,\; \forall \omega \in A_i, где \{A_i\}_{i=1}^{\infty} - разбиение \Omega.

Распределение простой случайной величины тогда по определению задается: \mathbb{P}^X(B) = \sum_{i:a_i \in B} P(A_i). Введя обозначение p_i = \mathbb{P}(A_i), можно задать функцию p(a_i) = p_i. Очевидно, что \sum_{i=1}^{\infty}p_i = 1. Используя счётную аддитивность \mathbb{P}, легко показать, что эта функция однозначно определяет распределение X.

Определение 3. Функция p(a_i) = p_i, где \sum_{i=1}^{\infty} p_i = 1 часто называется дискретным распределением.

Пример 1. Пусть функция p задана таким образом, что p(-1) = \frac{1}{2} и p(1) = \frac{1}{2}. Эта функция задает распределение случайной величины X такой, что \mathbb{P}(X=\pm 1) = \frac{1}{2}.

Теорема 3. Дискретное распределение обладает следующими свойствами:

  1. p_i \geq 0;
  2. \sum_i p_i = 1.

Непрерывные распределенияПравить

Непрерывное распределение — распределение вероятностей, не имеющее атомов. Любое распределение вероятностей есть смесь дискретного и непрерывного.

Абсолютно непрерывные распределенияПравить

Определение 4. Распределение случайной величины X называется абсолютно непрерывным, если существует неотрицательная функция f_X:\mathbb{R}\to \mathbb{R}_+, такая что \mathbb{P}^X(B) \equiv \mathbb{P}(X\in B) = \int\limits_B f_X(x)\, dx. Функция f_X тогда называется плотностью распределения случайной величины X.

Пример 2. Пусть f(x) = 1, когда 0\leq x \leq 1, и 0 иначе. Тогда \mathbb{P}(a < X < b) = \int\limits_a^b 1\, dx = b-a, если (a,b) \subset [0,1].

Очевидно, что для любой плотности распределения f_X верно равенство \int\limits_{-\infty}^{\infty} f_X(x)\, dx = 1. Верна и обратная

Теорема 4. Если функция f:\mathbb{R}\to \mathbb{R} такая, что:

  1. f(x) \geq 0,\; \forall x \in \mathbb{R};
  2. \int\limits_{-\infty}^{\infty} f(x)\, dx = 1,

то существует распределение \mathbb{P}^X такое, что f(x) является его плотностью.

Просто применение формулы Ньютона-Лейбница приводит к простому соотношению между кумулятивной функцией и плотностью абсолютно непрерывного распределения.

Теорема 5. Если f(x) - непрерывная плотность распределения, а F(x) - его кумулятивная функция, то

  1. F'(x) = f(x),\; \forall x \in \mathbb{R},
  2. F(x) = \int\limits_{-\infty}^x f(t)\, dt.
Вероятностные распределения
Одномерные Многомерные
Дискретные: Бернулли | биномиальное | геометрическое | гипергеометрическое | логарифмическое | отрицательное биномиальное | Пуассона | равномерное мультиномиальное
Абсолютно непрерывные: Бета | Вейбулла | Гамма | Колмогорова | Коши | логнормальное | Лоренца | нормальное (Гаусса) | равномерное | Парето | Стьюдента | Фишера | хи-квадрат | экспоненциальное | Эрланга многомерное нормальное
править

Эта статья содержит материал из статьи Распределение вероятностей русской Википедии.

Викия-сеть

Случайная вики